Campus
Diagrama de temas
-
Flujo de trabajo del aprendizaje automático
El proceso a través del cual se crea y usa un modelo de aprendizaje automático se denomina flujo de trabajo de aprendizaje automático. El flujo de trabajo se compone de varias tareas.
1. Formular el problema.
2. Identificar y recopilar el conjunto de datos.
3. Limpiar y preparar los datos.
4. Analizar los datos.
5. Seleccionar, entrenar, probar y ajustar el modelo.
6. Aplicar el modelo y presentar los resultados.
7. Supervisar y mantener el modelo.
Figura 1. Un flujo de trabajo de aprendizaje automático típico. 
Estas fases pueden superponerse y se realizan de forma iterativa. A medida que obtenga más información sobre el problema, los datos y los resultados, refinará continuamente el modelo. Por ejemplo, a medida que recopila el conjunto de datos y se hace una idea de los patrones que podría revelar, puede volver a visitarlo y aclarar cómo ha definido el problema. Si bien cada problema de aprendizaje automático puede ofrecer sus propios desafíos únicos, guiarse por un flujo de trabajo general como el que se muestra aquí le ayudará a desarrollar un abordaje común para resolver cualquier problema de aprendizaje automático.
Nota: La secuencia del flujo de trabajo no es inamovible. Por ejemplo, puede comenzar recopilando y analizando un conjunto de datos. La información que obtiene al hacerlo podría inspirarle ideas sobre problemas que puede resolver aplicando el aprendizaje automático al conjunto de datos. Entonces usted podría formular el problema.
Información adicional
Para obtener información adicional sobre las pautas del proyecto de aprendizaje automático, consulte aquí
Para obtener información adicional sobre la formulación de problemas, consulte aquí
Para obtener información adicional sobre la gestión de proyectos de aprendizaje automático, consulte aquí
Campus
